足球机器人足球比赛中色标块位置识别的一种改进算法

足球机器人足球比赛中色标块位置识别的一种改进算法

0机器人足球比赛系统机器人足球比赛是一项集娱乐、体育和科学研究于一体的比赛活动。它为人工智能、机器人学、多智能体系统等其它交叉或前言学科提供了一个理想的仿真和实验平台。机器人足球比赛系统包括4个子系统:视觉子系统、决策子系统、无线通讯子系统和机器人(小车)子系统。为了能在比赛中取得好的成绩,必须让机器人能根据其所处的环境变化做出相应的决策,所以视觉子系统在机器人足球比赛中占据着非常重要的作用。1视觉子系统在足球机器人视觉子系统中,视觉子系统不能够直接识别出机器人对象,而只能通过机器人小车顶部的颜色标记,利用这些颜色标识的不同特征来识别每一个机器人。也就是说,视觉子系统在机器人足球比赛中识别的对象是具有不同形状和颜色的色标块,而视觉子系统的任务就是利用一定的目标识别算法计算色标块的位置信息和颜色信息,并根据色标块的组合方案来确定机器人的位姿信息。本文提出了针对这些不同色标块形状的目标识别算法,该识别算法主要用来对色标块的定位,对于具体机器人小车的识别,其依赖于具体的色标设计方案,本文不加以讨论。2色标块的目标识别算法在足球机器人的视觉识别中,首先,需要准确输出比赛场地中各个机器人和球的位姿信息;其次,要求视频的捕获频率为30～60帧/秒,并完成识别,作出控制决策。因此,识别速度快,而且识别准确的目标识别算法是非常重要的。目标识别算法首先是对色标块中心的确定,确定色标块的中心主要有两种不同的思想:一种是基于重心法的,即识别色标块是通过像素信息来识别的,那么色标块的中心就是构成它的所有像素点的中心;另一种是基于边界点的,该思想认为色标块都是有规则的几何形状,那么只要搜索出色标块的几个特殊的边界点,就可以求出色标块的中心。本文讲述的一种二分搜索算法采用第二种思想,并完善了边界点的搜索算法。3分法的原理二分搜索算法根据色标块的几何特征,借鉴了计算方法中解非线性方程和排序算法中的二分法原理,算法分三步,首先采用网格法,确定种子点,然后再以此种子点用二分搜索算法确定色标块的中心坐标,最后进行区域背景颜色的填充。3.1确定网格搜索目标点本文采用网格搜索法来确定种子点,如图1所示,对所捕获的图像自上而下,自左而右以一定的步长进行扫描,找出与目标像素相同的点,作为种子点。网格搜索重点是合理的选择步长,如果步长太小,会增加搜索的像素点,导致搜索时间加长;如果步长太大,可能会漏掉目标色标块;所以步长的选择,必须使目标色标块至少落在一个网格点上,并尽可能大。如图1给出了方形、等腰直角三角形、圆形、矩形等形状的色标块的步长的确定方法。3.2色标法难点及辨识结果的空白找到图像中目标色标块内部一种子点后,就可以从该种子点出发,向外扩张逐像素点搜索其四个方向上的边界点。由于本视觉系统采用的颜色模型是RGB颜色模型,在RGB颜色模型下,同一色标在场地内的颜色信息的变化范围极其广泛,生成一个完全的颜色信息表格需要长时间的反复采集填充,且很难真正得到可以覆盖所有的信息的颜色库,所以辨识结果常有空洞,如图2所示:以种子点S向右搜索,遇到空洞点M时,不能认为M点就是要找到的边界点,因为从M点继续向右搜索时,仍然有属于同一目标色标快的像素点。通过大量的反复试验,虽然辨识结果会出现空洞,但连续的空洞点数量一般不会超过三个。确定了寻找边界点的方法后,我们接下来的工作就要精确定位目标色标块,对于不同形状的色标块,定位的方法也略有不同,具体如下:3.2.1s1和s1的中点计算以种子点M1出发搜索色标快的左边界点L1,水平向右搜索其右边界点R1,计算L1和R1的中点M2;再以M2为新的出发点,垂直向上找左边界点L2,以L2为出发点,水平向右找有边界点R2,计算L2和R2的中点M3;重复上述过程,得到一个序列M1-(L1,R1)-M2-(L2,R2)-M3-(L3,R3)-……。由L1,R1距离的有限性,则必存在一个i,使得Li,Ri重合,则该点就是所要找到的最上面的顶点A,同样方法,可求得最下面的顶点B,过程如图3所示:如果A点、B点的坐标分别为(x1,y1)、(x2,y2),则中心点O的坐标(x,y)为:3.2.2计算中点的确定以种子点M1出发搜索色标快的左边界点L1,水平向右搜索其右边界点R1,计算L1和R1的中点M2;以M2为新的出发点,垂直向上找上边界点A,再垂直向下找下边界点B,计算A和B的中点O即为所求,如图4所示。如果A点、B点坐标分别为(x,y1)、(x,y2),则中心点O的坐标(x,y)为:3.2.3计算边界条件s1以种子点M1出发搜索色标快的左边界点L1,水平向右搜索其右边界点R1,计算L1和R1的中点M2;以M2为新的出发点,垂直向上找左边界点L2,再以L2为出发点,水平向右找有边界点R2,计算L2和R2的中点M3;重复上述过程,得到一个序列M1-(L1,R1)-M2-(L2,R2)-M3-(L3,R3)-……。由L1,R1距离的有限性,则必存在一个i,使得Li,Ri重合,则该点就是所要找到的最上面的顶点A,如图5所示。同样方法,可分别求得等腰直角三角形其他两个顶点B、C。3.3多个机器人粘连为已识别目标区域填充背景色,可以避免在下一个网格种子点上对本区域进行同样的重复搜索。此外,在机器人足球这类多机器人系统中,由于机器人间的争抢碰撞,存在多个机器人粘连的问题。由于本文中我们是从左上角开始,按由左到右,由上至下在网格点上顺序搜索,这样在发生小车粘连的情况下,按文中的小车定位方法,最先搜索到的是左上方的第一个机器人小车,在该小车定位后,该小车顶部的色标快区域已被背景颜色填充,这样就可以很容易地把发生粘连的两个小车分离开来。4小本车位的前后目标识别的应用11vs11比赛中我方十一个机器人的分布情况如图6所示。在处理速度方面,利用改进了的目标识别搜索到十一个小车所需要的时间是19.7ms;而使用传统的目标识别,搜索到十一个小车所需要的时间是28.3ms。很明显,改进了的目标识别算法具有很高的运算和反应速度,这无疑能在实际比赛中发挥不可